JP2003216182A - 音声認識装置およびその制御方法、電話機 - Google Patents

Abstract

(57)【要約】 【課題】 簡単な操作で音声認識の動作条件を設定でき
るようにし、音声認識の操作性・利便性を向上させるこ
と。 【解決手段】 入力された音声に対して音声認識処理を
行う音声認識装置であって、ボタン、ダイヤル等の入力
装置(101)における所定の操作を検出する検出手段(103)
と、検出された操作に応じて音声認識処理の動作条件を
設定する設定手段(104)とを備え、音声認識部(105)は設
定された動作条件に従い音声認識処理を行う。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、音声認識装置およ
びその制御方法に関し、具体的には、音声認識処理の動
作条件の設定技術に関する。

【０００２】

【従来の技術】音声認識の認識精度や処理速度は、例え
ば、ユーザの声質の個人差、音声認識を用いる場所の周
囲の雑音状況など、様々な要因で変化する。また、認識
対象となる語の組み合わせによっては、各認識対象語ご
との認識精度にもばらつきがあり、同じユーザ、同じ環
境、同じ動作条件で音声認識を使用した場合でも、一部
の語のみが認識しにくい場合がある。さらに、誤認識や
処理時間に対するユーザの印象はまちまちで、それらに
対する許容度には個人差がある。

【０００３】従来より市販されている音声認識ソフトウ
ェアや音声認識装置などでは、認識精度や処理時間（一
般に両者はトレードオフの関係にある）に関してある程
度ユーザが設定できるような枠組みが用意されるものが
あり、例えば、認識精度を優先するか処理速度を優先す
るかといったわかりやすい形式で動作条件を設定するツ
ールがユーザに提供される。

【０００４】これらの動作条件の設定は、音声認識実行
に先だって事前に設定するのが一般的である。例えば、
市販のアプリケーションなどでは動作条件設定用のメニ
ューが用意されており、ユーザが動作条件を設定する際
は、メニューを選択して動作条件設定用のウィンドウを
開き、所望の動作条件を設定できるようになっている。

【０００５】

【発明が解決しようとする課題】従来より提供されてい
る音声認識の動作条件の設定方法では、音声認識の実行
ごと、すなわち、各発声ごとに動作条件を変更したい場
合に、ユーザは発声前に、毎回動作条件設定のための操
作をする必要がある。現在のところ、発声中にユーザが
動作条件を変更できるような枠組みは提供されていな
い。

【０００６】例えば、通常は処理速度を優先した動作条
件で使用し、誤認識したときだけ一時的に認識精度を高
めたいという場合に、従来の方法では、いちいちメニュ
ーを呼び出して動作条件を設定しなおす必要があり煩わ
しいという問題がある。

【０００７】また、認識精度を優先した動作条件で音声
認識を実行している際に、なかなか認識結果が返ってこ
ないときに、音声認識処理の途中でユーザが音声認識の
処理速度を早めるよう指示する手段は、従来の音声認識
装置では提供されていなかった。

【０００８】したがって、本発明は、簡単な操作で音声
認識の動作条件を設定できるようにし、音声認識の操作
性・利便性を向上させることを目的とする。

【０００９】

【課題を解決するための手段】上記の目的を達成するた
めに、本発明の音声認識装置は、以下の構成を備える。
すなわち、入力された音声に対して音声認識処理を行う
音声認識装置であって、所定の操作を検出する検出手段
と、検出された前記操作に応じて前記音声認識処理の動
作条件を設定する設定手段と、を備えることを特徴とす
る。

【００１０】また、本発明によれば、入力された音声に
対して音声認識処理を行う音声認識装置の制御方法であ
って、所定の操作を検出する検出ステップと、検出され
た前記操作に応じて前記音声認識処理の動作条件を設定
する設定ステップと、設定された前記動作条件に従い音
声認識処理を行う認識ステップと、を有することを特徴
とする音声認識装置の制御方法も提供される。

【００１１】上記の制御方法は音声認識装置の制御用プ
ログラムによっても実現されうる。

【００１２】また、本発明によれば、以下の構成を備え
る電話機も提供される。すなわち、入力された音声に対
して音声認識処理を行う音声認識手段を有する電話機で
あって、当該電話機に設けられた所定の操作部に対する
所定の操作を検出する検出手段と、検出された前記操作
に応じて前記音声認識手段の動作条件を設定する設定手
段と、を備えることを特徴とする。

【００１３】

【発明の実施の形態】以下、本発明の好適な実施の形態
について、添付図面を参照して説明する。

【００１４】図１は、本実施形態における音声認識装置
の機能構成を示す図である。

【００１５】まず、各部の役割について説明する。

【００１６】101はユーザが使用可能な入力装置であ
り、例えば、ジョグダイヤル、スライドバー、ボタン、
キーボード、テンキー、タッチセンサーなどである。10
2は音声を取り込むための音声入力装置（例えばマイク
ロフォン）である。

【００１７】109は本音声認識装置全体の処理をつかさ
どる制御部であり、具体的には、以下の構成を備える。

【００１８】ユーザ操作検出部103は、入力装置101を使
用して入力されたユーザの操作を検出する。動作条件設
定部104は、ユーザ操作検出部103で検出されたユーザの
操作に基づき音声認識の動作条件を設定する。音声認識
部105は、設定された音声認識の動作条件に従って、音
声入力装置102より入力されたユーザの音声を認識す
る。動作条件出力部106は、設定された動作条件を表示
装置107上に表示する。

【００１９】上記の制御部１０９に接続されている表示
装置107は、文字や画像を表示可能な表示装置であり、
例えばディスプレイや携帯端末の液晶表示装置等であ
る。また、108は、処理の過程で必要なデータや音響モ
デルや認識用の単語辞書など音声認識に必要なデータを
記憶するメモリや磁気ディスクなどの記憶装置である。

【００２０】本実施形態では、音声認識を開始するため
の操作が複数用意されており、認識開始のための操作に
応じて音声認識処理の動作条件を変更する。

【００２１】例えば、操作ａ、操作ｂという２つの操作
のいずれかが行なわれた場合に音声認識を開始する場合
において、あらかじめ操作ａに対しては動作条件Ａ、操
作ｂに対しては動作条件Ｂという具合いに各操作に対応
する音声認識の動作条件を定めておく。

【００２２】このようなユーザの操作と動作条件の対応
関係が、図３に示すような構造のテーブルとして記述さ
れ、このテーブルを記憶装置108に記憶しておく。

【００２３】実施形態における音声認識装置の構成は概
ね上記のとおりである。次に、この音声認識装置の動作
について説明する。

【００２４】まずはこの音声認識装置の動作の概略を説
明する。

【００２５】そして、音声認識を開始する操作が行なわ
れると、それぞれの操作に対応した動作条件で音声認識
を実行するように制御する。それによって、ユーザが操
作ａにより音声認識を開始した場合には動作条件Ａ、操
作ｂにより音声認識を開始した場合には動作条件Ｂが設
定され、操作方法によって異なる動作条件で音声認識が
実行される。

【００２６】以下、図２のフローチャートを用いて、実
施形態における音声認識装置の動作を詳細に説明する。

【００２７】ユーザが音声認識を開始する操作を入力装
置101を用いて行なうと、ユーザ操作検出部103がその操
作を検出し、その操作があらかじめ決められた音声認識
開始の操作であるかどうかを判断する（ステップS20
1）。

【００２８】次に、ステップS201で検出したユーザの操
作に基づいて、先に決めたユーザの操作と動作条件の対
応関係に基づき、動作条件設定部104で音声認識の動作
条件を設定する（ステップS202）。ユーザ操作と動作条
件の対応関係が図３のように定められているとき、操作
ａが行なわれたときは動作条件Ａ、操作ｂが行なわれた
ときは動作条件Ｂ、操作ｃが行なわれたときは動作条件
Ｃが設定される。

【００２９】次に、ステップS203に進み、動作条件出力
部106で、ステップS202で設定された動作条件の内容を
表示装置107に表示する。

【００３０】次に、設定された動作条件に基づき、音声
認識処理を音声認識部105で行なう（ステップS204）。

【００３１】より具体的に説明するため、上記の音声認
識装置が図４に示すような携帯電話で実現する場合につ
いて説明する。

【００３２】音声認識における動作条件は、例えば、音
声検出の感度、音声認識精度、実行速度、音声認識結果
の候補数、使用するメモリ量などさまざまあるが、以降
の説明では、音声認識実行時に音声認識精度を優先する
か、音声認識の処理速度を優先するかを動作条件として
設定する場合について説明する。

【００３３】音声認識精度優先、処理速度優先などの設
定は、実際には音声認識の探索（照合）処理時の枝刈り
閾値などをはじめとした内部の各種パラメータを変更す
ることにより制御可能であるが、これらの技術は公知の
ものであるのでその説明を省略する。

【００３４】図４において、401はダイアル式のスイッ
チであり、ユーザがダイアルを回すように操作すること
が可能で、右まわり、左まわりの両方に回すことが可能
である。また、ユーザがダイアル401から手を離すと元
の状態に戻るようになっている。以下の説明では簡便化
のため、図４に示したように右回り方向を＋方向、左回
り方向を−方向と記述する。

【００３５】402は十字型のキーで、４方向、すなわち
上、下、右、左にキーを押すことができる。403および4
04はボタンである。以上の401〜404は、ユーザが操作す
るために使用できる入力装置として機能し、図１で示す
ところの入力装置101に相当する。

【００３６】405は文字・図形などを表示可能な液晶画
面であり、図１の表示装置107に相当する。406は内蔵型
マイクロフォンであり、図１の音声入力装置102に相当
する。

【００３７】なお、図１に示した制御部109の機能を実
現するプロセッサおよび、記憶装置108に相当するメモ
リは携帯電話に内蔵されている（いずれも図示省略）も
のとする。

【００３８】また、この図示しないメモリには上記した
図３のテーブルに代えて図５に示される対応関係を記述
したテーブルが記憶されている。

【００３９】以下、上記構成の携帯電話における動作
を、再び図２のフローチャートを用いて説明する。

【００４０】まず、ダイアル式のスイッチを用いて音声
認識を実行する場合の例を説明する。例として、ダイア
ル401の操作に対して設定する音声認識の動作条件を図
５のように３種類の場合について説明する。

【００４１】音声認識開始にあたり、ユーザがダイアル
401の操作を行なった場合に、ユーザ操作検出部103がダ
イアル401の回転方向および回転角度を検出し、その検
出結果に基づき音声認識開始の操作であるかどうかを判
断する（ステップS201）。

【００４２】図５に示した対応関係に従い、動作条件設
定部104で音声認識の動作条件を設定する（ステップS20
2）。例えば、ユーザが＋方向に10°程度ダイアル401を
回した場合には標準的な動作条件が設定される。一方、
誤認識などを繰り返した後に、認識精度優先で音声認識
を実行したい場合は、ユーザは、ダイアル401をマイナ
ス方向に45°以上回すことによって、認識精度優先の音
声認識を実行することができる。

【００４３】次に、設定した動作条件に関する情報を液
晶画面405に表示する（ステップS203）。このときの表
示態様としては、図６（ａ）に示すように文字でもよい
し、図６（ｂ）に示すような動作条件を表す図形やアイ
コンでもよい。

【００４４】次に、設定された動作条件に従って、音声
認識部105によって音声認識を実行する（ステップS20
4）。

【００４５】上述の実施形態では、音声認識を開始する
操作を図４のダイアル式スイッチにて行なう場合を説明
したが、これに限るものではなく、例えば、図４に示し
た、十字キー402、ボタン403、404等で行なうように構
成してもよい。十字キー402を用いる場合は、各方向に
押された場合に設定する動作条件を変えることで上述し
た例と同等の処理が可能である。

【００４６】また、ボタン403を用いる場合は、例え
ば、１回押した場合は標準の動作条件、続けて２回押し
た場合は処理速度優先、続けて３回押した場合は認識精
度優先にするといった具合に、ボタンの押し方によって
動作条件を変えるよう設定することでも上記の例と同等
の処理が可能である。この他、ボタンを押した時間によ
って動作条件を切り替える方法も考えられる。さらに、
ボタン404のような複数のボタンが使える場合は、各ボ
タンに異なる動作条件を対応させ、押されたボタンによ
って動作条件を切り替えることも可能である。

【００４７】さらに、本実施形態では携帯電話に音声認
識を搭載した場合について説明したが、これに限るもの
ではなく、図４に示した入力装置以外にも、スライド式
のスイッチ、ジョグダイアル、タッチパネル、マウス、
キーボードなど複数の操作手段を実現可能な入力装置全
般に関して本実施形態は適用可能である。

【００４８】さらに、本実施形態における図５に示した
ようなユーザの操作と動作条件の対応関係は、例えば、
ユーザが音声認識の開始操作やそのときの動作条件を設
定するメニューあるいはモードを設けてユーザがその対
応関係を閲覧できるようにし、ユーザが変更できるよう
にしてもよい。

【００４９】図７（ａ）は、特定の操作に対する音声認
識の動作条件を設定するための画面の例である。図示に
おいては、“操作ａ”に対する動作条件の候補１〜３が
示されている。ユーザは候補１〜３のいずれかをキー操
作によって選択することが可能である。操作ａの設定の
終了後、“操作ｂ”、“操作ｃ”と順に設定すること
で、上述したような３種類の操作に対して異なる動作条
件を設定することが可能となる。

【００５０】また、図7（ｂ）は、音声認識の動作条件
『認識速度優先』に対する操作方法を設定するための画
面の例であり、図示においては、『認識度速度優先』に
対する操作方法の候補１〜３が示されている。これも、
ユーザが１〜３のいずれかからキー操作によって選択す
ることが可能である。『認識度速度優先』の設定後、
『標準』『認識精度優先』と順に操作方法を設定するこ
とで、上述のような３種類の操作に対して異なる動作条
件を設定することが可能となる。

【００５１】また、図２のステップS201においてユーザ
操作検出を音声認識の開始前に行なっているが、音声認
識開始後、すなわち音声認識処理の実行中にユーザの操
作を検出して、適宜、対応した動作条件に変更できるよ
うにしてもよい。

【００５２】音声認識処理は一般に、入力された音声に
対して、5msec〜20msec程度の時間長の音声データを１
単位として処理を行なっていく。したがって、ある１単
位のデータを処理した後に、次のデータを処理するまで
の間に、ユーザが動作条件を設定する操作を行なえば、
次のデータの処理から新たに設定された動作条件で音声
認識処理を行なうことが可能になる。つまり、動作条件
の設定（更新）は、音声認識の処理単位で実行されう
る。

【００５３】この場合の動作の概要を示すフローチャー
トである図８を用いて詳しく説明する。

【００５４】ステップS801〜S803までのステップはそれ
ぞれ、図２のステップS201〜S203までのステップと同様
の処理を行なうので、説明を省略する。

【００５５】ステップS804では、音声認識部105で行な
う単位時間ごとの音声認識処理を行なう。ステップS804
で単位時間分の音声データを音声認識処理した後、次の
音声データを処理するまでの間に、音声認識処理中に行
なわれたユーザの操作を検出する（ステップS805）。こ
のとき、新たに動作条件を設定する操作が行なわれた場
合には、その操作に対応する動作条件を設定し（ステッ
プS802）、新たに設定された動作条件を出力して（ステ
ップS803）、次の音声データから新たに設定された動作
条件に従って音声認識を行なう（S804）。

【００５６】ユーザの操作が行なわれなかった場合は
（ステップS805, No）、それまでの動作条件に従って次
の音声データに対して音声認識処理を行なう（ステップ
S804）。ステップS806では、入力音声に対する音声認識
処理が終了したか否かを判断し、未だ終了していなけれ
ばステップS804に戻って処理を繰り返す。

【００５７】なお、本実施形態では、動作条件として設
定できる項目を音声認識精度、音声認識の処理速度を例
に説明したがこれに限るものではない。音声検出の感度
や音声認識結果の候補数などを設定できるようにしても
よい。

【００５８】以上説明したように本実施の形態によれ
ば、音声認識の実行に先立って、ユーザは非常に簡単な
操作で音声認識の動作条件を設定することができるよう
になる。さらに、かかる動作条件の設定は、音声認識の
実行中にも行うことが可能である。これによって、音声
認識の操作性・利便性が大幅に向上する。

【００５９】

【他の実施形態】以上、本発明の実施形態を詳述した
が、本発明は、複数の機器（例えばホストコンピュー
タ、インタフェイス機器、リーダ、プリンタ等）から構
成されるシステムに適用しても、１つの機器からなる装
置（例えば、複写機、ファクシミリ装置等）に適用して
もよい。

【００６０】なお、本発明は、前述した実施形態の機能
を実現するソフトウェアのプログラム（図２および／ま
たは図８に示すフローチャートに対応したプログラム）
を、システムあるいは装置に直接あるいは遠隔から供給
し、そのシステムあるいは装置のコンピュータがその供
給されたプログラムを読み出して実行することによって
も達成される場合を含む。

【００６１】したがって、本発明の機能処理をコンピュ
ータで実現するために、そのコンピュータにインストー
ルされるプログラムコード自体も本発明を実現するもの
である。つまり、本発明の特許請求の範囲には、本発明
の機能処理を実現するためのコンピュータプログラム自
体も含まれる。

【００６２】その場合、プログラムの機能を有していれ
ば、オブジェクトコード、インタプリタにより実行され
るプログラム、ＯＳに供給するスクリプトデータ等、プ
ログラムの形態を問わない。

【００６３】プログラムを供給するための記憶媒体とし
ては、例えば、フレキシブルディスク、光ディスク（CD
-ROM、CD-R、CD-RW、DVD等）、光磁気ディスク、磁気テ
ープ、メモリカード等がある。

【００６４】その他、プログラムの供給方法としては、
インターネットを介して本発明のプログラムをファイル
転送によって取得する態様も含まれる。

【００６５】また、本発明のプログラムを暗号化してCD
-ROM等の記憶媒体に格納してユーザに配布し、所定の条
件をクリアしたユーザに対し、インターネットを介して
暗号化を解く鍵情報を取得させ、その鍵情報を使用する
ことで暗号化されたプログラムを実行してコンピュータ
にインストールさせて実現することも可能である。

【００６６】また、コンピュータが、読み出したプログ
ラムを実行することによって、前述した実施形態の機能
が実現される他、そのプログラムの指示に基づき、コン
ピュータ上で稼働しているＯＳ等が実際の処理の一部ま
たは全部を行い、その処理によって前述した実施形態の
機能が実現され得る。

【００６７】さらに、記憶媒体から読み出されたプログ
ラムが、コンピュータに挿入された機能拡張ボードやコ
ンピュータに接続された機能拡張ユニットに備わるメモ
リに書き込まれた後、そのプログラムの指示に基づき、
その機能拡張ボードや機能拡張ユニットに備わるＣＰＵ
等が実際の処理の一部または全部を行い、その処理によ
っても前述した実施形態の機能が実現される。

【００６８】

【発明の効果】本発明によれば、簡単な操作で音声認識
の動作条件を設定できるようにし、音声認識の操作性・
利便性を向上させることができる。

【図面の簡単な説明】

【図１】実施形態における音声認識装置の構成の一例を
示す図である。

【図２】実施形態における音声認識装置の動作の一例を
示すフローチャートである。

【図３】ユーザの操作と音声認識の動作条件との対応関
係を示す図である。

【図４】実施形態における音声認識機能を有する携帯電
話を構成を説明する図である。

【図５】実施形態における携帯電話の操作と音声認識の
動作条件との対応関係を示す図である。

【図６】実施形態における設定された音声認識の動作条
件の表示態様の例を示す図である。

【図７】実施形態におけるユーザの操作と音声認識の動
作条件との対応関係をユーザが決定する場合の画面表示
例を示す図である。

【図８】実施形態における音声認識装置の動作の他の例
を示すフローチャートである。

Claims (17)

【特許請求の範囲】
1. 【請求項１】 入力された音声に対して音声認識処理を
   行う音声認識装置であって、 所定の操作を検出する検出手段と、 検出された前記操作に応じて前記音声認識処理の動作条
   件を設定する設定手段と、 を備えることを特徴とする音声認識装置。
2. 【請求項２】 操作用のボタンおよびダイヤルの少なく
   とも１つが設けられ、 前記所定の操作は、前記ボタンまたはダイヤルに対する
   操作であることを特徴とする請求項１に記載の音声認識
   装置。
3. 【請求項３】 設定された前記動作条件を通知する通知
   手段を更に備えることを特徴とする請求項１または２に
   記載の音声認識装置。
4. 【請求項４】 前記所定の操作と前記動作条件との対応
   関係を変更する変更手段を更に備えることを特徴とする
   請求項１から３までのいずれかに記載の音声認識装置。
5. 【請求項５】 前記検出手段および前記設定手段は、前
   記音声認識処理の処理単位で動作することを特徴とする
   請求項１から４までのいずれかに記載の音声認識装置。
6. 【請求項６】 前記動作条件は、音声検出の感度、音声
   認識精度、音声認識の処理速度、音声認識結果の候補数
   のうち、少なくともいずれか１つであることを特徴とす
   る請求項１から５までのいずれかに記載の音声認識装
   置。
7. 【請求項７】 入力された音声に対して音声認識処理を
   行う音声認識装置の制御方法であって、 所定の操作を検出する検出ステップと、 検出された前記操作に応じて前記音声認識処理の動作条
   件を設定する設定ステップと、 設定された前記動作条件に従い音声認識処理を行う認識
   ステップと、 を有することを特徴とする音声認識装置の制御方法。
8. 【請求項８】 設定された前記動作条件を通知する通知
   ステップを更に有することを特徴とする請求項７に記載
   の音声認識装置の制御方法。
9. 【請求項９】 前記所定の操作と前記動作条件との対応
   関係を変更する変更ステップを更に有することを特徴と
   する請求項７または８に記載の音声認識装置の制御方
   法。
10. 【請求項１０】 前記検出ステップおよび前記設定ステ
    ップは、前記認識ステップの処理単位で実行されうるこ
    とを特徴とする請求項７から９までのいずれかに記載の
    音声認識装置の制御方法。
11. 【請求項１１】 前記動作条件は、音声検出の感度、音
    声認識精度、音声認識の処理速度、音声認識結果の候補
    数のうち、少なくともいずれか１つであることを特徴と
    する請求項７から１０までのいずれかに記載の音声認識
    装置の制御方法。
12. 【請求項１２】 入力された音声に対して音声認識処理
    を行う音声認識装置を制御するためのプログラムであっ
    て、 所定の操作を検出する検出ステップと、 検出された前記操作に応じて前記音声認識処理の動作条
    件を設定する設定ステップと、 設定された前記動作条件に従い音声認識処理を行う認識
    ステップと、 を実行させるプログラム。
13. 【請求項１３】 入力された音声に対して音声認識処理
    を行う音声認識手段を有する電話機であって、 当該電話機に設けられた所定の操作部に対する所定の操
    作を検出する検出手段と、 検出された前記操作に応じて前記音声認識手段の動作条
    件を設定する設定手段と、 を備えることを特徴とする電話機。
14. 【請求項１４】 設定された前記動作条件を通知する通
    知手段を更に備えることを特徴とする請求項１３に記載
    の電話機。
15. 【請求項１５】 前記所定の操作と前記動作条件との対
    応関係を変更する変更手段を更に備えることを特徴とす
    る請求項１３または１４に記載の電話機。
16. 【請求項１６】 前記検出手段および前記設定手段は、
    前記音声認識処理の処理単位で動作することを特徴とす
    る請求項１３から１５までのいずれかに記載の電話機。
17. 【請求項１７】 前記動作条件は、音声検出の感度、音
    声認識精度、音声認識の処理速度、音声認識結果の候補
    数のうち、少なくともいずれか１つであることを特徴と
    する請求項１３から１６までのいずれかに記載の電話
    機。